METR estimó que el ritmo de mejora de Anthropic en sus pruebas de referencia se aceleró 1,9× desde el punto de cambio que sitúa el 7 de octubre de 2025. El intervalo de confianza del 95 % va de 1,5× a 2,8×. La evaluación, publicada el 5 de noviembre de 2026, estudia puntuaciones en tareas concretas; no mide una tasa universal de progreso de la IA.
Qué mide la estimación de METR
METR empleó el índice AECI, que agrupa puntuaciones de modelos de Anthropic en pruebas de referencia, para comparar el ritmo de crecimiento antes y después del punto de cambio estimado. El resultado principal, 1,9×, expresa la relación entre esos ritmos de crecimiento, no una medida de cuánto mejor es un modelo en cualquier tarea.
El resultado varía según algunos supuestos del cálculo. Al cambiar la función que relaciona la dificultad de las tareas con las puntuaciones, METR obtuvo estimaciones de 1,1× a 2,9×. Otras comprobaciones, con distintas selecciones de modelos y pruebas, quedaron en general entre 1,9× y 2,2×.
La evaluación de METR aborda una cuestión distinta de la advertencia de Anthropic en su S-1/A, que NeoTeo trató en su cobertura anterior.
El 12× recoge otra medida
METR también comunicó que, en octubre de 2026, empleados estimaron que el modelo interno más capaz mejoraba su rendimiento individual una media de aproximadamente 12×. La cifra procede de encuestas informales en Slack y METR la calificó como evidencia muy débil. No mide el crecimiento de las puntuaciones AECI.
| Medida | Resultado | Qué refleja | Periodo y precisión |
| Crecimiento de las puntuaciones AECI | 1,9×; intervalo de confianza del 95 %: 1,5–2,8× | Relación entre los ritmos de crecimiento de las puntuaciones antes y después del punto de cambio estimado | Punto de cambio: 7 de octubre de 2025; con otras funciones de enlace, la estimación varía entre 1,1× y 2,9× |
| Mejora individual autodeclarada | Aproximadamente 12× de media | Mejora que los empleados atribuyeron al modelo interno más capaz en encuestas informales | Octubre de 2026; METR consideró muy débil la evidencia de las encuestas |
Para interpretar una cifra de I+D con IA, fíjate primero en qué se midió: la tendencia de unas pruebas, la percepción de los empleados o el volumen de código.
La IA asistía a los investigadores
METR juzgó que el uso de IA probablemente explicaba la mayor parte de la aceleración observada hasta octubre de 2026, aunque expresó una incertidumbre considerable sobre esa atribución. También dijo que la aceleración no se debía a un crecimiento más rápido de la escala de computación usada para entrenar modelos.
La asistencia a investigadores constituía el papel principal de la IA en el trabajo evaluado, según METR. En las tareas más importantes de entrenamiento de modelos, las contribuciones plenamente autónomas aún no tenían un peso significativo. La evaluación describe indicios iniciales de posibles contribuciones autónomas, con diferencias entre áreas de investigación.
Las cifras de programación de Anthropic miden actividad de ingeniería
Anthropic afirma que Claude escribió más del 80 % del código incorporado a su base de código hasta mayo de 2026. La empresa también informó de que, en el segundo trimestre de 2026, un ingeniero típico incorporó al día ocho veces más código que en 2024. Son indicadores de programación de la propia compañía; Anthropic advierte que contar líneas mide cantidad, no calidad, y puede exagerar las mejoras de productividad. (Anthropic)
METR señaló que Anthropic había suprimido en la versión pública la mayoría de las pruebas que consideraba más informativas. Esa limitación reduce los elementos que el público puede examinar por su cuenta al valorar cómo se relacionan los datos con las conclusiones de la evaluación.
